<pre id='iiijjwq'><tfoot id='iiijjwq'></tfoot></pre>
  • <center id='iiijjwq'></center>
      <p id='iiijjwq'><tt id='iiijjwq'></tt></p>

    1. <tt id='iiijjwq'><b id='iiijjwq'><td id='iiijjwq'></td></b></tt>

      真钱炸金花 | AI领域上演三国杀,哪家的解决方案才是未来?

      发布日期:2017年12月15日 16:00   来源:66科技网


      2002 年上映的科幻电影《少数派报告》,讲述了阿汤哥扮演的未来警察,通过人工智能“预测”犯罪的故事,没想到十多年后终成现实。一个月前,芝加哥警局也做了一个“罪案预测系统”,通过枪声感应器和路边的摄像头收集数据,预测抢劫、枪击等罪案的地点及人物。这样警方可以在嫌疑人犯罪之前,提前请他到局子里喝茶...5 月还发生了另一件大事——人机围棋大战中,谷歌旗下的 AlphaGo (又名阿尔法狗)先后战胜柯洁及国内五位世界冠军,人工智能再次轰动世界。

      不过预测犯罪也好,下围棋也罢,它们都是人工智能的落地场景之一,其它还有智能音箱上的语音助手等。本质上,人工智能是算法、数据和硬件三个要素综合的结果。人工智能依赖于机器学习(Machine Learning),机器学习又依赖于硬件,它需要硬件平台提供大量的运算资源。而在这个领域,用来计算的硬件主要有 TPU、GPU 和 CPU,它们背后代表的公司则分别是谷歌、英伟达和英特尔。这三家组成了三巨头,彼此竞争又互相合作。

      去年谷歌公布了专为机器学习定制的 TPU(Tensor Processing Unit),用于旗下所有 AI 产品背后的计算,包括 AlphaGO。官方测试结果显示,在 AI 计算方面,TPU 要比 GPU 加速卡快上 15-30 倍,而且能效更高,一时间 TPU 吊打 GPU 的报道满天飞了。谷歌还在 I/O 2017 大会上宣布要建立 Ai First 数据中心,采用最新一代 Cloud TPU 打造;并结合现有资源推出 Google.ai,用在 AutoML 等科研项目和自动帮你画猫猫上...

      随后英伟达就表示不服,指出 TPU 对比的是 2012 年的老产品,采用 Kepler 架构的 Tesla K80,性能比不上前者也不足为奇。老黄又扔出了采用 Pascal 架构的 Tesla P40 加速卡,计算性能达到了 TPU 的 2 倍,带宽则是 10 倍,还支持 TPU 没有的 FP32 运算,没拿出 P100 这种核弹意思就是“杀鸡焉用宰牛刀”。上个月,英伟达推出了全新的 GPU 架构 Volta,增加了专门的 Tensor 运算单元,主要针对 DL 深度学习等新兴领域,依旧属于吃瓜群众买不到买不起系列。
      谷歌 TPU 和英伟达 GPU 的运算能力提升非常快,是否意味着会在未来取代 CPU 成为主要的人工智能芯片——照这个趋势,英特尔危险了?
      要知道英特尔在深度学习、AI 领域已经先后拿下了 Saffron、Movidius 等公司,去年 8 月份又收购了神经网络系统公司 Nervana,它们的成果都会跟英特尔的处理器、FPGA(来自于收购的 Altera)等产品结合起来,专治各种不服。
      此外 TPU 和 GPU 只是加速芯片,目前是无法独立工作的,没有 CPU 跑不起来。谷歌和英伟达发生口水仗实际上是选择了不同的技术路线,英特尔也有自己的解决方案。

      在上月底举行的全球机器智能峰会上,英特尔AIPG 数据科学部主任刘茵茵发表了主题为《演变中的人工智能:与模型俱进》的演讲,真是你方唱罢我方登台。
      谷歌有一个 AI 专家叫李飞飞,这次英特尔也派出了美女高管为自家 AI 带盐,普通人表示明明可以靠脸吃饭,非要拼才华。
      她指出模型设计、数据收集、AI 框架搭建等都是人工智能解决方案的重要组成部分,一种深度学习模型可以投入到不同的领域中并给出多样的解决方案。比如图像识别可以用于农业,进行作物疾病的识别;图像分割则可以用于作物产量的预测、还可以应用于自动驾驶;油气勘探、肿瘤检测也少不了图像模型。

      英特尔 AIPG 就是由之前的 Nervana 团队组成,现在已经变成了AI 产品事业部,运作模式和其它产品事业部一样,在会上也拿出了很多人工智能领域的前沿技术:硬件部分,基于至强融核处理器的人类大脑肿瘤三维可视化方案,可以实现精确检测,精准移除人脑肿瘤;基于 Arria10 FPGA 技术开发的可扩展卷积神经(CNN)加速器,以提供高性能、低延迟和高能效的人工智能和深度学习推理加速解决方案。软件部分,英特尔深度学习训练集群演示了如何使用优化版 Caffe 进行多节点训练;基于 Apache Spark 的分布式深度学习框架能让用户通过 BigDL 将深度学习应用编写为标准的 Spark 程序,并直接在 Spark 或 Hadoop 集群上运行。目前业界在推动深度学习方面有不同的思路,比如 TPU+TensorFlow 模式,CPU+GPU 模式,英特尔选择了软硬件的整合及端对端模式。

      收购 Nervana 之后,英特尔拥有了将至强融核处理器和 FPGA 两个不同的芯片整合成一个芯片的能力。在最新的 Nervana 系统中,就包含了 FPGA 加速芯片 Arria 10 和至强融核处理器的整合。英特尔本身就是一个非常强大的硬件生产公司,提供了很多不同的产品;同时在软件架构方面也做了很多工作,而且都是开源的,用户也能及时跟进。在 CPU 领域,英特尔能多年甩开农企(AMD)除了先进的工艺制程、架构,还有强大的编译器等软件;而在人工智能方面,英特尔奉行端对端模式,从上至下各个部分都可以进行优化。在这场三国杀游戏中,谷歌 TPU 是专门做 Tensor 计算的,不能通用也没有客户;英伟达 GPU 固然比较灵活,但在专用、能效方面还需补课;英特尔将 FPGA 和 CPU 融合,兼具灵活性与高效能。

      为了推进 AI 产业发展,英特尔也向一些国内外公司伸出了橄榄枝,包括科大讯飞、谷歌等 AI 领域的玩家都成了合作伙伴。去年 10 月,英特尔与科大讯飞宣布合作研发 AI 芯片,集成麦克风阵列、远场语音识别等功能,智能语音交互市场又多了一种选择方案。本月初,谷歌 Compute Engine 云计算服务增加对英特尔 Skylake Xeon 至强处理器的支持,这对需要高性能处理器和大量内存访问的用户来说将更为实用。目前英特尔的人工智能解决方案在金融、农业、零售、政务、工业等领域都有着丰富的运用,这家公司还有三大愿景:更好地驱动人工智能技术创新、推动人工智能应用普及和引导人工智能回馈社会,英特尔正在让人工智能成就未来!

      上一篇:就算是美上天的苹果直营店 也难逃被山寨的命运
      下一篇:1个亿的小目标与金立的“非常道”

      相关文章:

      • 2017-12-15

      • 2017-12-15

      • 2017-12-15

      • 2017-12-15

      • 2017-12-15

      Copyright © 2016 66科技网 dhu66.com All Rights Reserved.
      本站文章来自网友的提交收录,版权归作者所有
      如有权益问题请及时与我们联系处理